数据不出域
将横向联邦学习与自注意力机制结合，在保护各参与方数据隐私的同时提升短期太阳辐照度预报精度，尤其适用于数据不完整和辐照度剧烈波动的场景。
Zenan, Xiao · Gao, Bixuan · 黄小乔 · 陈载清 · Chengli, Li · Yonghang, Tai
Journal of Cleaner Production 2024
采用横向联邦学习框架，各参与方数据可用不可见，在提升预测精度的同时避免数据泄露。
模型结合自注意力机制，能调整注意力以在不同时间点进行精确预测，使预测过程透明可理解。
在数据不完整和辐照度剧烈波动场景下，该方法能显著提升预报精度，克服传统模型在小样本下的性能瓶颈。